Estimation of Dynamic Panel Data Sample Selection Models
动态面板样本选择模型的估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究含动态项、个体效应和样本选择的面板模型及两步 GMM 估计。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
动态面板样本选择模型的估计
- 研究问题
- 面板结果受到二元样本选择影响，且潜在方程含因变量滞后和个体效应时，如何识别并估计主方程参数？
- 方法与思路
- 作者推导条件矩限制，先一致估计选择方程参数，再以这些估计构造核权重，利用两期个体观测实施第二步 GMM。
- 材料陈述的贡献
- 摘要称，核权重根据两期选择效应的相对大小调整观测贡献；在适当假设下，估计量一致且渐近正态，并给出小型模拟。
- 阅读关注点
- 应核对动态项与个体效应如何进入条件矩、第一步选择方程的识别，以及核带宽和生成权重对第二步推断的影响。
- 阅读边界
- 摘要未列出一致性与渐近正态性的完整假设、带宽条件或模拟数值；不能据此判断严重选择或短面板中的实际表现。
原文摘要
This paper considers the problem of identification and estimation in panel data sample selection models with a binary selection rule, when the latent equations contain strictly exogenous variables, lags of the dependent variables, and unobserved individual effects. We derive a set of conditional moment restrictions which are then exploited to construct two-step GMM-type estimators for the parameters of the main equation. In the first step, the unknown parameters of the selection equation are consistently estimated. In the second step, these estimates are used to construct kernel weights in a manner such that the weight that any two-period individual observation receives in the estimation varies inversely with the relative magnitude of the sample selection effect in the two periods. Under appropriate assumptions, these "kernel-weighted" GMM estimators are consistent and asymptotically normal. The finite sample properties of the proposed estimators are investigated in a small Monte-Carlo study.